Sakana Fugu 是一个作为单一模型交付的多智能体系统。Fugu 动态协调前沿模型，以应对复杂的多步骤任务。您可以通过 Sakana API 将多智能体系统作为单一的 LLM 访问，该 API 支持聊天完成和响应端点。要快速入门，您可以通过以下命令将 Fugu 安装到 Codex 中： curl -fsSL https://sakana.ai/fugu/install | bash 然后通过以下命令启动： codex-fugu 有关其他标志和选项，请查看命令参考。该单行安装支持 Ubuntu 和 macOS。在 Windows 上，或者如果安装没有完成，请遵循这里的指南。 通过智能协调实现卓越性能 Sakana Fugu 通过动态协调和编排一组强大的模型，实现卓越性能。有关评估详情，请查看我们的技术报告。这些结果反映了我们 2026 年 6 月的评估。随着新前沿模型的发布，我们持续更新我们的模型池，并重新训练我们的协调器，以维持 Fugu 的性能优势。 Sakana Fugu 的实际应用 这些实例将 Sakana Fugu 模型与三个前沿基线进行比较：Gemini 3.1 Pro（高），Opus 4.8（最大）和 GPT 5.5（超高）。为了将重点放在行为而不是品牌归属上，基线在每个描述中都匿名为模型 A、模型 B 和模型 C。映射在不同示例中故意不固定。 我们的研究 Sakana Fugu 以 2026 年 ICLR 发布的两篇论文为基础。 《TRINITY：一种进化的 LLM 协调器》 一个紧凑的协调器模型，使用进化策略进行优化，轮流将三个角色分配给一组 LLM，让它们在不合并权重或共享架构的情况下进行协作。 《使用指挥者学习协调自然语言中的智能体》 一个使用强化学习训练的指挥者模型，设计智能体之间的通信拓扑，并为每个工作者 LLM 编写针对性的指令，发现超过任何单一模型的协调策略。自发布以来，我们做了多个增强。完整的技术报告可在这里获取。 支持 在使用 Sakana Fugu 时，如有问题或错误，请联系 https://fugu.sakana.ai。 引用 如果您在研究中使用 Sakana Fugu，请引用我们的技术报告： @misc { fugu2026sakana , title = { Sakana Fugu 技术报告 }, author = { {Fugu Team, Sakana AI} }, year = { 2026 }, eprint = { 2606.21228 }, archivePrefix = { arXiv }, primaryClass = { cs.LG }, url = { https://arxiv.org/abs/2606.21228 }, }